MétaCan
Menu
Retour à la cohorte
Enregistrement W4402891097 · doi:10.1186/s13104-024-06944-z

Side differences in upper quarter mobility/stability are not related to serve velocity in tennis players with different levels of training experience

2024· article· en· W4402891097 sur OpenAlexaboutno aff
Johanna Lambrich, Stefan Panzer, Thomas Muehlbauer

Notice bibliographique

RevueBMC Research Notes · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesUniversität Duisburg-EssenDeutsche Forschungsgemeinschaft
Mots-clésQuarter (Canadian coin)MedicineStroke (engine)Balance (ability)Physical medicine and rehabilitationPhysical therapyPhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Tennis is characterised by repetitive serves and strokes predominately performed with one arm. This can lead to differences in upper quarter mobility/stability between the stroke and non-stroke arm, which could even enlarge with increasing training experience and negatively affect serve velocity. Thus, we determined side differences (i.e., limb symmetry index) in upper quarter mobility/stability and their association with flat and slice serve velocity in advanced (ITN ≤ 4) female and male tennis players (N = 42, mean age = 23.9 ± 9.3 years) with different levels of training experience (< 2 years: n = 14, 2-5 years: n = 17, 6-8 years: n = 11). RESULTS: Y Balance Test-Upper Quarter (YBT-UQ) side difference (i.e., composite score) and performances (i.e., medial reach) were largest in players with the lowest level of training experience (i.e., < 2 years). Further, YBT-UQ performances (i.e., medial reach and composite score) but not side differences were significantly correlated with flat and slice serve velocity, particularly in less experienced players. Our results suggest that significant side differences in upper quarter mobility/stability occur in less experienced players (indicative of increased injury risk) but they are not related to tennis-specific performance (i.e., serve velocity).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,284
Tête enseignante GPT0,414
Écart entre enseignants0,131 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetSports Performance and TrainingTravaux en français237 207